KR102434562B1 - 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치 - Google Patents

위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치 Download PDF

Info

Publication number
KR102434562B1
KR102434562B1 KR1020150092788A KR20150092788A KR102434562B1 KR 102434562 B1 KR102434562 B1 KR 102434562B1 KR 1020150092788 A KR1020150092788 A KR 1020150092788A KR 20150092788 A KR20150092788 A KR 20150092788A KR 102434562 B1 KR102434562 B1 KR 102434562B1
Authority
KR
South Korea
Prior art keywords
fingerprint
image
quality evaluation
input fingerprint
input
Prior art date
Application number
KR1020150092788A
Other languages
English (en)
Other versions
KR20170002892A (ko
Inventor
김원준
김영성
서성주
김형석
최창규
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020150092788A priority Critical patent/KR102434562B1/ko
Priority to US15/076,839 priority patent/US10691918B2/en
Priority to CN201610266159.7A priority patent/CN106326829B/zh
Publication of KR20170002892A publication Critical patent/KR20170002892A/ko
Priority to US16/860,724 priority patent/US11295111B2/en
Application granted granted Critical
Publication of KR102434562B1 publication Critical patent/KR102434562B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1382—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger
    • G06V40/1388—Detecting the live character of the finger, i.e. distinguishing from a fake or cadaver finger using image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

위조 지문 검출 방법 및 장치가 개시된다. 일 실시예에 따른 위조 지문 검출 장치는 입력 지문 영상을 블록들로 분할하고, 블록들마다 화질 평가 값을 결정할 수 있다. 위조 지문 검출 장치는 신뢰도 결정 모델을 이용하여 블록들의 화질 평가 값들로부터 신뢰도 값을 결정하고, 결정된 신뢰도 값에 기초하여 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정할 수 있다.

Description

위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치{METHOD AND APPARATUS FOR DETECTING FAKE FINGERPRINT, METHOD AND APPARATUS FOR RECOGNIZING FINGERPRINT}
아래의 설명은 위조 지문 검출 기술 및 지문 인식 기술에 관한 것이다.
최근, 스마트폰 및 다양한 모바일/웨어러블 기기의 발전으로 보안 인증 기술에 대한 중요성이 증대되고 있다. 보안 인증 기술 중 하나인 지문 인식 기술은 편리성, 보안성, 경제성 등의 장점으로 인해 널리 이용되고 있다. 지문 인식에서는 일반적으로, 센서를 통하여 사용자의 지문 영상을 획득하고, 획득된 지문 영상과 미리 등록된 지문 영상을 비교하여 사용자를 인증한다. 이 때, 정교하게 조작된 위조(fake) 지문 패턴이 센서에 입력되는 경우, 지문 인식 장치는 위조 지문 패턴을 구별하지 못하고 해당 위조 지문 패턴을 생체 지문으로 인식할 우려가 있다. 예를 들어, 지문이 새겨진, 고무, 실리콘, 젤라틴, 에폭시, 라텍스 등의 물질이 센서에 접촉되는 경우, 해당 물질에 새겨진 지문이 인간의 지문으로 인식될 우려가 있다. 지문 인식 기술의 보안성 측면에서 인간의 지문이 아닌 인위적으로 제작된 위조 지문을 구분하는 것은 중요하다.
일 실시예에 따른 위조 지문 검출 방법은, 입력 지문 영상을 블록들로 분할하는 단계; 상기 블록들마다 화질 평가 값을 결정하는 단계; 신뢰도 결정 모델을 이용하여 상기 블록들의 화질 평가 값들로부터 신뢰도 값을 결정하는 단계; 및 상기 신뢰도 값에 기초하여 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 위조 지문 검출 방법에서, 상기 신뢰도 값을 결정하는 단계는, 상기 블록들의 화질 평가 값들을 결합하여 특징 벡터를 생성하는 단계; 및 상기 특징 벡터를 상기 신뢰도 결정 모델에 입력하여 상기 신뢰도 결정 모델로부터 상기 신뢰도 값을 획득하는 단계를 포함할 수 있다.
일 실시예에 따른 위조 지문 검출 방법에서, 상기 신뢰도 값을 결정하는 단계는, 제1 신뢰도 결정 모델을 이용하여 상기 블록들 각각의 화질 평가 값으로부터 제1 신뢰도 값들을 결정하는 단계; 및 제2 신뢰도 결정 모델을 이용하여 상기 제1 신뢰도 값들로부터 제2 신뢰도 값을 결정하는 단계를 포함하고, 상기 입력 지문이 위조 지문인지 여부를 결정하는 단계는, 상기 제2 신뢰도 값에 기초하여 상기 입력 지문이 위조 지문인지 여부를 결정할 수 있다.
일 실시예에 따른 위조 지문 검출 방법에서, 상기 제2 신뢰도 값을 결정하는 단계는, 상기 블록들 각각에 대해 결정된 제1 신뢰도 값들을 결합하여 특징 벡터를 생성하는 단계; 및 상기 특징 벡터를 상기 제2 신뢰도 결정 모델에 입력하여 상기 제2 신뢰도 결정 모델로부터 상기 제2 신뢰도 값을 획득하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인식 방법은, 입력 지문 영상의 화질 평가 값을 결정하는 단계; 등록 지문과 상기 입력 지문 영상에 나타난 입력 지문 간의 유사도를 결정하는 단계; 및 상기 결정된 화질 평가 값 및 상기 결정된 유사도에 기초하여 상기 입력 지문을 인증하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인식 방법에서, 상기 입력 지문을 인증하는 단계는, 상기 화질 평가 값과 상기 유사도를 결합하여 정합도를 결정하는 단계; 및 상기 정합도와 미리 결정된 임계 값을 비교하여 상기 입력 지문을 인증하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인식 방법에서, 상기 화질 평가 값을 결정하는 단계는, 상기 입력 지문 영상을 필터링 처리하여 필터링된 입력 지문 영상을 획득하는 단계; 및 상기 입력 지문 영상과 상기 필터링된 입력 지문 영상 간의 차이에 기초하여 상기 입력 지문 영상의 화질 평가 값을 결정하는 단계를 포함할 수 있다.
일 실시예에 따른 지문 인식 장치는, 입력 지문 영상의 화질 평가 값을 결정하는 화질 평가부; 상기 입력 지문 영상의 화질 평가 값에 기초하여, 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정하는 위조 지문 판단부; 및 상기 입력 지문이 위조 지문이 아니라고 결정된 경우, 상기 입력 지문과 등록 지문 간의 유사도 및 상기 입력 지문 영상의 화질 평가 값에 기초하여 상기 입력 지문을 인증하는 지문 인증부를 포함할 수 있다.
다른 실시예에 따른 지문 인식 장치는, 입력 지문 영상의 화질 평가 값을 결정하는 화질 평가부; 등록 지문과 상기 입력 지문 영상에 나타난 입력 지문 간의 유사도를 결정하는 유사도 결정부; 및 상기 결정된 화질 평가 값 및 상기 결정된 유사도에 기초하여 상기 입력 지문을 인증하는 지문 인증부를 포함할 수 있다.
일 실시예에 따른 위조 지문 검출 장치는, 입력 지문 영상을 블록들로 분할하는 영상 분할부; 상기 블록들마다 화질 평가 값을 결정하는 화질 평가부; 및 신뢰도 결정 모델을 이용하여 상기 블록들의 화질 평가 값들로부터 신뢰도 값을 결정하고, 상기 신뢰도 값에 기초하여 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정하는 위조 지문 판단부를 포함할 수 있다.
도 1a 및 도 1b는 일 실시예에 따른 지문 인식 방법을 설명하기 위한 도면들이다.
도 2는 일 실시예에 따른 위조 지문 검출 장치의 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 지문 인식 장치의 동작을 설명하기 위한 도면이다.
도 4는 다른 실시예에 따른 지문 인식 장치의 동작을 설명하기 위한 도면이다
도 5는 일 실시예에 따른 위조 지문 검출 방법을 설명하기 위한 도면이다.
도 6은 다른 실시예에 따른 위조 지문 검출 방법을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 위조 지문 검출 방법의 동작을 설명하기 위한 흐름도이다.
도 8은 다른 실시예에 따른 위조 지문 검출 방법의 동작을 설명하기 위한 흐름도이다.
도 9는 일 실시예에 따른 지문 인식 방법의 동작을 설명하기 위한 흐름도이다.
도 10은 다른 실시예에 따른 지문 인식 방법의 동작을 설명하기 위한 흐름도이다.
도 11은 일 실시예에 따른 전자 시스템을 도시하는 도면이다.
도 12는 일 실시예에 따른 학습 장치의 동작을 설명하기 위한 도면이다.
아래의 특정한 구조적 내지 기능적 설명들은 단지 실시예들을 설명하기 위한 목적으로 예시된 것으로, 권리 범위가 본 명세서에 설명된 내용에 한정되는 것으로 해석되어서는 안된다. 설명한 분야에 속하는 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다. 본 명세서에서 "일 실시예" 또는 "실시예"에 대한 언급은 그 실시예와 관련하여 설명되는 특정한 특징, 구조 또는 특성이 적어도 하나의 실시예에 포함된다는 것을 의미하며, "일 실시예" 또는 "실시예"에 대한 언급이 모두 동일한 실시예를 지칭하는 것이라고 이해되어서는 안된다.
제1 또는 제2 등의 용어가 다양한 구성요소들을 구분하기 위해 사용될 수 있지만, 구성요소들이 제1 또는 제2의 용어에 의해 한정되는 것으로 해석되어서는 안된다. 또한, 실시예에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성 요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하의 설명에서, 사용자의 지문(fingerprint)을 인식(recognition)하는 동작은 사용자의 지문을 인식함으로써 그 사용자를 인증(verification) 또는 식별(identification)하는 동작을 포함할 수 있다. 사용자를 인증하는 동작은 사용자가 미리 등록된 사용자인지 여부를 판단하는 동작을 포함할 수 있다. 이 경우, 사용자를 인증하는 동작의 결과는 인증 성공(또는 참) 또는 인증 실패(또는 거짓)로 출력될 수 있다. 사용자를 식별하는 동작은 사용자가 미리 등록된 복수의 사용자들 중 어느 사용자에 해당되는지를 결정하는 동작을 포함할 수 있다. 이 경우, 사용자를 식별하는 동작의 결과는 어느 하나의 미리 등록된 사용자의 아이디로 출력될 수 있다.
이하에서 설명된 실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 예를 들어, 실시예들은 스마트 폰, 모바일 기기, 스마트 홈 시스템, 지능형 자동차 등에서 지문 인식을 수행하거나 지문 인식에서 위조 지문을 검출하는데 적용될 수 있다. 또한, 실시예들은 지문 인식을 이용한 결제 서비스에서 위조 지문을 검출하거나 지문 인식을 수행하는데 적용될 수 있다. 이하의 실시예들에서, 위조 지문은 위조된 지문 및 변조된 지문을 포함할 수 있다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1a는 일 실시예에 따른 지문 인식 방법을 설명하기 위한 도면이다. 도 1a를 참조하면, 일 실시예에 따른 지문 인식 장치(100)는 사용자의 지문을 센싱하는 지문 센서(110)를 포함한다. 지문 인식 장치(100)는 지문 센서(110)를 통하여 사용자의 지문이 나타난 입력 지문 영상(115)을 획득할 수 있다. 입력 지문 영상(115)은 사용자의 지문의 일부를 캡쳐한 부분 영상(partial image)의 형태로 획득될 수 있다.
지문 인식 장치(100)는 입력 지문 영상(115)에 나타난 지문(이하, '입력 지문'이라고 함)과 등록 지문 영상들(121 내지 123)에 나타난 등록 지문들을 비교함으로써 사용자의 지문을 인식할 수 있다. 등록 지문 영상들(121, 122, 123)은 지문 등록 과정을 거쳐 등록 지문 데이터베이스(120)에 미리 저장될 수 있다. 등록 지문 데이터베이스(120)는 지문 인식 장치(100)에 포함된 메모리(미도시)에 저장되거나, 지문 인식 장치(100)와 통신할 수 있는 서버 등의 외부 장치(미도시)에 저장될 수 있다.
도 1b는 입력 지문 영상(115)과 등록 지문 영상(123)을 비교하는 과정을 설명하기 위한 도면이다. 도 1b를 참조하면, 지문 인식 장치(100)는 입력 지문 영상(115)과 등록 지문 영상(123)을 비교하기 위하여 입력 지문 영상(115)과 등록 지문 영상(123)을 정합(matching)할 수 있다. 예를 들어, 지문 인식 장치(100)는 입력 지문 영상(115)과 등록 지문 영상(123) 사이에서 공통 영역이 중첩되도록, 입력 지문 영상(115)의 크기를 조정하거나, 또는 입력 지문 영상(115)을 회전(rotation), 이동(translation)시킬 수 있다. 지문 인식 장치(100)는 해당 공통 영역에서 지문 패턴의 유사도(similarity)를 계산하고, 계산된 유사도에 기초하여 인식 결과를 결정할 수 있다.
입력 지문 영상(115)이 위조 지문(fake fingerprint)을 센싱한 것이고, 입력 지문 영상(115)과 등록 지문 영상(123) 간의 지문 패턴이 서로 유사한 경우, 위조 지문에 대한 인증이 성공될 가능성이 있다. 이러한 오인식(misrecognition) 문제를 해결하기 위해서는 입력 지문 영상(115)에 나타난 입력 지문이 위조 지문인지 아니면 사람의 진짜 진문(real fingerprint)인지 여부를 판단하는 과정이 필요하다. 일 실시예에 따르면, 지문 인식 장치(100)는 위조 지문 검출 장치(미도시)를 포함할 수 있고, 위조 지문 검출 장치를 통해 입력 지문이 위조 지문인지 여부를 판단할 수 있다.
도 2는 일 실시예에 따른 위조 지문 검출 장치의 동작을 설명하기 위한 도면이다. 위조 지문 검출 장치(200)는 입력 지문 영상에 나타난 입력 지문의 위변조를 검출한다. 고무, 실리콘, 젤라틴 또는 라텍스 등에 새겨진 위조 지문이 지문 센서에 터치(touch)되는 경우, 터치되는 압력이 부분적으로 달라 입력 지문 영상의 화질이 균일하지 않거나 또는 입력 지문 영상에 국부적으로 왜곡(distortion)이 발생할 수 있다. 또한, 이 경우, 위조 지문이 새겨지는 재질의 고유한 특성으로 인해 진짜 지문이 센싱된 지문 영상에 나타나지 않는 화질 열화(image quality degradation)가 발생할 수 있다. 위조 지문 검출 장치(200)는 입력 지문 영상의 화질을 평가하여 입력 지문이 위조 지문인지 여부를 결정함으로써 지문의 위변조를 용이하게 검출할 수 있다.
도 2를 참조하면, 위조 지문 검출 장치(200)는 영상 분할부(210), 화질 평가부(220) 및 위조 지문 판단부(230)를 포함한다.
영상 분할부(210)는 입력 지문 영상을 복수의 블록(block)들로 분할한다. 영상 분할부(210)는 미리 정해진 패턴에 따라 입력 지문 영상을 블록들로 분할할 수 있고, 미리 정해진 패턴은 입력 지문 영상의 모양 및 크기 등에 따라 미리 결정될 수 있다. 경우에 따라, 미리 정해진 패턴은 동적으로 변경될 수 있다. 일 실시예에 따르면, 영상 분할부(210)는 인접한 블록들이 서로 중첩되도록 입력 지문 영상을 분할하거나 또는 입력 지문 영상의 일부 영역만을 블록들로 분할할 수 있다.
화질 평가부(220)는 블록들마다 화질(image quality)을 평가(assessment)하여 화질 평가 값을 결정한다. 예를 들어, 화질 평가부(220)는 BIQI(Blind Image Quality Index) NIQE(Naturalness Image Quality Evaluator), BRISQUE(Blind/Referenceless Image Spatial Quality Evaluator), 또는 SSQE(Single Stimulus Quality Evaluation) 등의 화질 평가 기법들을 이용하여 입력 지문 영상의 화질 평가 값을 결정할 수 있다. 여기에 기재된 화질 평가 기법들은 예시에 불과하며, 화질 평가부(220)는 위 화질 평가 기법들 이외에 다양한 화질 평가 기법을 이용하여 블록에 대한 화질 평가 값을 결정할 수 있다. 복수의 화질 평가 기법들이 이용되는 경우, 화질 평가부(220)는 하나의 블록에 대해 복수의 화질 평가 값들을 결정할 수 있다.
위조 지문 판단부(230)는 블록의 화질 평가 값에 기초하여 입력 지문이 위조 지문인지 여부를 판단한다. 위조 지문 판단부(230)는 블록들의 화질 평가 값들에 기초하여 특징 벡터(feature vector)를 생성하고, 생성된 특징 벡터를 신뢰도 결정 모델에 입력하여 신뢰도 결정 모델로부터 신뢰도 값(confidence value)을 획득할 수 있다. 예를 들어, 위조 지문 판단부(230)는 블록들의 화질 평가 값들을 연결(concatenation)하여 특징 벡터를 구성할 수 있다. 신뢰도 결정 모델은 SVM(support Vector Machine) 모델 또는 뉴럴 네트워크(neural network) 모델 등에 기초할 수 있고, 학습(training) 과정을 통해 미리 학습될 수 있다. 신뢰도 결정 모델의 학습 과정은 도 12에서 보다 자세히 설명하도록 한다.
위조 지문 판단부(230)는 신뢰도 결정 모델에 의해 결정된 신뢰도 값에 기초하여 입력 지문이 위조 지문인지 여부를 결정할 수 있다. 예를 들어, 위조 지문 판단부(230)는 신뢰도 값과 미리 설정된 임계 값을 비교하여 신뢰도 값이 임계 값보다 작은 경우에는 입력 지문이 위조 지문인 것으로 결정하고, 그 외의 경우에는 입력 지문이 진짜 지문인 것으로 결정할 수 있다.
다른 실시예에 따르면, 신뢰도 결정 모델은 제1 신뢰도 결정 모델 및 제2 신뢰도 결정 모델을 포함할 수 있다. 위조 지문 판단부(230)는 제1 신뢰도 결정 모델을 이용하여 블록들 각각의 화질 평가 값들로부터 제1 신뢰도 값들을 결정할 수 있고, 블록들마다 제1 신뢰도 값이 결정될 수 있다. 그 후, 위조 지문 판단부(230)는 블록들의 제1 신뢰도 값들에 기초하여 특징 벡터를 생성하고, 생성된 특징 벡터를 제2 신뢰도 결정 모델에 입력하여 제2 신뢰도 결정 모델로부터 제2 신뢰도 값을 획득할 수 있다. 예를 들어, 위조 지문 판단부(230)는 블록들의 제1 신뢰도 값들을 연결(concatenation)하여 특징 벡터를 구성할 수 있다. 위조 지문 판단부(230)는 제2 신뢰도 값에 기초하여 입력 지문이 위조 지문인지 여부를 결정할 수 있다. 예를 들어, 위조 지문 판단부(230)는 제2 신뢰도 값과 미리 설정된 임계 값을 비교하여 제2 신뢰도 값이 임계 값보다 작은 경우에는 입력 지문이 위조 지문인 것으로 결정하고, 그 이외의 경우에는 입력 지문이 진짜 지문인 것으로 결정할 수 있다.
입력 지문 영상에서 블록 단위로 결정된 화질 평가 값은 위조 지문이 센싱될 때 발생하는 국부적인 화질 열화 또는 왜곡을 잘 반영할 수 있다. 위조 지문 검출 장치(200)는 이와 같은 입력 지문 영상의 국부적인 특징을 이용함으로써 위조 지문을 효과적으로 검출할 수 있다.
도 3은 일 실시예에 따른 지문 인식 장치의 동작을 설명하기 위한 도면이다. 지문 인식 장치(300)는 입력 지문 영상의 화질에 기초하여 지문 인식을 수행한다. 사용자가 물 또는 땀이 묻은 손가락으로 지문 센서를 터치하는 경우 또는 노이즈가 유입/발생하는 경우, 낮은 화질의 입력 지문 영상이 획득될 수 있다. 낮은 화질의 입력 지문 영상에 나타난 지문 패턴을 분석할 때, 노이즈 등에 의해 지문 패턴이 오인식될 가능성이 있다. 지문 인식 장치(300)는 지문 인식을 수행할 때 지문 패턴 간의 유사도뿐만 아니라 입력 지문 영상의 화질을 추가적으로 고려함으로써 지문이 우연히 잘못 인증(false acceptance)되는 것을 방지할 수 있고, 이에 따라 지문 인식의 성능이 개선될 수 있다.
도 3을 참조하면, 지문 인식 장치(300)는 화질 평가부(310), 유사도 결정부(320) 및 지문 인증부(330)를 포함한다.
화질 평가부(310)는 입력 지문 영상의 화질을 평가하여 화질 평가 값을 결정할 수 있다. 예를 들어, 화질 평가부(310)는 BIQI NIQE, BRISQUE 및 SSQE 등의 화질 평가 기법들을 이용하여 화질 평가 값을 결정할 수 있다. 또는, 화질 평가부(310)는 입력 지문 영상을 필터링(예를 들어, 밴드패스 필터링(bandpass filtering)) 처리하여 필터링된 입력 지문 영상을 획득하고, 원(original) 입력 지문 영상과 필터링된 입력 지문 영상 간의 차이를 이용하여 화질 평가 값을 결정할 수도 있다. 입력 지문 영상의 화질이 나쁠수록 필터링 처리 여부에 따른 화질 차이가 커질 수 있고, 화질 평가부(310)는 이러한 화질 차이에 기초하여 입력 지문 영상의 화질 평가 값을 결정할 수 있다. 필터링 처리를 이용하는 경우, 입력 지문 영상과 필터링된 입력 지문 영상 간의 상대적인 차이가 이용되기 때문에 지문 센서의 특성에 영향을 받지 않고 화질 평가 값이 보다 정확하게 결정될 수 있다.
유사도 결정부(320)는 미리 등록된 등록 지문과 입력 지문 영상에 나타난 입력 지문 간의 유사도를 결정할 수 있다. 유사도 결정부(320)는 입력 지문과 등록 지문을 정합하고, 정합 결과에 기초하여 입력 지문과 등록 지문 사이에서 지문 패턴의 유사도를 계산할 수 있다. 유사도 결정부(320)는 입력 지문 영상의 스케일링(scaling), 회전 또는 이동을 포함하는 정합 과정을 통해 입력 지문과 등록 지문 간의 공통 영역을 검출하고, 공통 영역 내에서 입력 지문과 등록 지문 간의 지문 패턴을 비교하여 유사도를 계산할 수 있다. 예를 들어, 유사도 결정부(320)는 영상 밝기 값 기반의 정규화 상관 기법(normalized correlation method)을 이용하여 유사도를 계산할 수 있다.
일 실시예에 따르면, 화질 평가부(310)가 입력 지문 영상의 화질 평가 값을 결정하는 과정과 유사도 결정부(320)가 입력 지문과 등록 지문 간의 유사도를 결정하는 과정은 순차적으로 수행되거나 또는 병렬적으로 수행될 수 있다.
지문 인증부(330)는 입력 지문 영상의 화질 평가 값 및 입력 지문과 등록 지문 간의 유사도에 기초하여 입력 지문을 인증한다. 지문 인증부(330)는 화질 평가 값과 유사도에 기초하여 정합도(matching score)를 결정하고, 정합도와 미리 결정된 임계 값에 기초하여 입력 지문을 인증할 수 있다. 예를 들어, 지문 인증부(330)는 화질 평가 값과 유사도를 곱하여 정합도를 계산하고, 계산된 정합도가 임계 값보다 큰 경우에는 인증 성공으로 결정하고, 그 외의 경우에는 인증 실패로 결정할 수 있다.
지문 인증부(330)는 다른 등록 지문들에 대해 위와 같은 과정을 반복하여 수행하고, 임계 값보다 큰 정합도를 가지는 등록 지문이 존재하는지 여부를 결정할 수 있다. 임계 값보다 큰 정합도를 가지는 등록 지문이 존재하는 경우, 지문 인증부(330)는 입력 지문에 대한 인증이 성공인 것으로 결정할 수 있다.
다른 실시예에 따르면, 지문 인증부(330)는 입력 지문 영상의 화질 평가 값이 미리 설정된 기준 값보다 작은지 여부를 판단할 수 있다. 화질 평가 값이 기준 값보다 작은 경우, 지문 인증부(330)는 입력 지문과 등록 지문 간의 유사도에 관계 없이 해당 입력 지문에 대한 지문 인증을 실패한 것으로 결정하거나 또는 새로운 입력 지문의 입력을 요청하기 위한 메시지를 출력할 수 있다. 예를 들어, 화질 평가 값이 기준 값보다 작은 경우, 지문 인증부(330)는 사용자에게 지문을 다시 입력하도록 요청하기 위한 안내 문구를 디스플레이할 수 있다.
도 4는 다른 실시예에 따른 지문 인식 장치의 동작을 설명하기 위한 도면이다. 지문 인식 장치(400)는 입력 지문 영상의 화질에 기초하여 지문의 위변조를 검출하고, 지문 인식을 수행한다. 도 4를 참조하면, 지문 인식 장치(400)는 화질 평가부(410), 위조 지문 판단부(420) 및 지문 인증부(430)를 포함한다.
화질 평가부(410)는 입력 지문 영상의 화질 평가 값을 결정한다. 화질 평가부(410)는 입력 지문 영상에서 블록 단위로 화질 평가 값을 결정할 수 있다. 이에 대해서는 도 2의 화질 평가부(220)의 내용이 그대로 적용될 수 있으므로, 자세한 내용은 생략한다.
위조 지문 판단부(420)는 입력 지문 영상의 화질 평가 값에 기초하여 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 판단한다. 위조 지문 판단부(420)는 모델 스토리지(440)에 저장된 신뢰도 결정 모델에 화질 평가 값을 입력하여 신뢰도 결정 모델로부터 신뢰도 값을 획득할 수 있다. 위조 지문 판단부(420)는 획득된 신뢰도 값에 기초하여 입력 지문이 위조 지문인지 또는 진짜 지문인지 여부를 결정할 수 있다. 이에 대해서는, 도 2의 위조 지문 판단부(230)의 내용이 그대로 적용될 수 있으므로, 자세한 내용은 생략한다. 모델 스토리지(440)는 지문 인식 장치(400)에 포함되거나 서버와 같은 외부 장치에 포함될 수 있다.
입력 지문이 위조 지문인 것으로 결정된 경우, 지문 인증부(430)는 입력 지문을 등록 지문 스토리지(450)에 저장된 등록 지문과 비교하는 과정을 수행하지 않고, 지문 인증이 실패한 것으로 결정할 수 있다. 등록 지문 스토리지(450)는 등록 과정을 통해 등록된 하나 이상의 등록 지문들을 포함할 수 있고, 지문 인식 장치(400)에 포함되거나 서버와 같은 외부 장치에 포함될 수 있다.
입력 지문이 위조 지문이 아닌 진짜 지문인 것으로 결정된 경우, 지문 인증부(430)는 입력 지문에 대해 지문 인증을 수행할 수 있다. 지문 인증부(430)는 입력 지문 영상의 화질 평가 값과 입력 지문과 등록 지문 간의 유사도에 기초하여 지문 인증을 수행할 수 있다. 지문 인증부(430)는 화질 평가 값과 유사도를 결합하여 정합도를 결정하고, 정합도와 미리 설정된 임계 값을 비교하여 입력 지문을 인증할 수 있다. 이에 대해서는, 도 3의 지문 인증부(330)의 내용이 그대로 적용될 수 있으므로, 자세한 내용은 생략한다.
도 5는 일 실시예에 따른 위조 지문 검출 방법을 설명하기 위한 도면이다.
도 5를 참조하면, 위조 지문 검출 장치(200)는 입력 지문 영상(510)을 복수의 블록들(522, 524, 526, 528)로 분할할 수 있다. 도 5의 실시예에서는, 입력 지문 영상(510)이 K 개의 블록들(522, 524, 526, 528)로 분할되었다고 가정한다. 위조 지문 검출 장치(200)는 K 개의 블록들(522, 524, 526, 528)에 대해 화질 평가를 수행하여 화질 평가 값을 결정할 수 있다. 실시예에서, 위조 지문 장치는 N 개의 서로 다른 화질 평가 기법들을 이용하여 각 블록들(522, 524, 526, 528)에 대한 화질 평가 값들을 결정할 수 있다.
예를 들어, 위조 지문 검출 장치(200)는 첫 번째 블록(522)에 N 개의 화질 평가 기법들을 적용하여 N 개의 화질 평가 값들(IQA1, IQA2, ..., IQAN)(532)을 결정하고, 화질 평가 값들(532)을 결합하여 특징 값 F1을 결정할 수 있다. 이와 유사하게, 위조 지문 검출 장치(200)는 K 번째 블록(528)에 대해서도 N 개의 화질 평가 값들(538)을 결정하고, 화질 평가 값들(538)을 결합하여 특징 값 FK를 결정할 수 있다.
위조 지문 검출 장치(200)는 각 블록들(522, 524, 526, 528)에 대해 결정된 특징 값들을 결합하여 N×K의 차원을 가지는 특징 벡터 F를 생성(540)할 수 있다. 위조 지문 검출 장치(200)는 신뢰도 결정 모델(550)에 특징 벡터 F를 입력하고, 신뢰도 결정 모델(550)로부터 신뢰도 값을 획득할 수 있다. 신뢰도 결정 모델(550)은 입력된 특징 벡터 값에 기초하여 신뢰도 값을 출력하는 모델로 학습 과정을 통해 미리 학습될 수 있다. 위조 지문 검출 장치(200)는 획득된 신뢰도 값과 미리 정의된 임계 값을 비교(560)하여 입력 지문 영상(510)에 나타난 입력 지문이 위조 지문인지 여부를 판단할 수 있다. 위조 지문 검출 장치(200)는 신뢰도 값이 임계 값보다 큰 경우에는 입력 지문이 진짜 지문이라고 결정하고, 그 외의 경우에는 입력 지문이 위조 지문이라고 결정할 수 있다.
도 6은 다른 실시예에 따른 위조 지문 검출 방법을 설명하기 위한 도면이다.
도 6을 참조하면, 위조 지문 검출 장치(200)는 도 5에서와 동일하게 입력 지문 영상(510)을 복수의 블록들(522, 524, 526, 528)로 분할하고, 각 블록들(522, 524, 526, 528)에 대해 화질 평가 값들을 계산할 수 있다. 위조 지문 검출 장치(200)는 N 개의 화질 평가 기법들을 이용하여 첫 번째 블록(522)에 대해 N 개의 화질 평가 값들(IQA1, IQA2, ..., IQAN)(532)을 결정할 수 있다. 위조 지문 검출 장치(200)는 화질 평가 값들(532)을 제1 신뢰도 결정 모델(610)에 입력하여 제1 신뢰도 결정 모델(610)로부터 블록(522)에 대응하는 제1 신뢰도 값 C1을 획득할 수 있다. 이와 유사하게, 위조 지문 검출 장치(200)는 K 번째 블록(528)에 대해서도 N 개의 화질 평가 값들(538)을 결정하고, 화질 평가 값들(538)을 제1 신뢰도 결정 모델(610)에 입력하여 제1 신뢰도 결정 모델(610)로부터 블록(528)에 대응하는 제1 신뢰도 값 CK를 획득할 수 있다. 블록들(522, 524, 526, 528)마다 제1 신뢰도 값이 결정될 수 있다.
위조 지문 검출 장치(200)는 각 블록들(522, 524, 526, 528)에 대해 결정된 제1 신뢰도 값들을 결합하여 특징 벡터 F를 생성(620)할 수 있다. 위조 지문 검출 장치(200)는 제2 신뢰도 결정 모델(630)에 특징 벡터 F를 입력하고, 제2 신뢰도 결정 모델(630)로부터 제2 신뢰도 값을 획득할 수 있다. 제1 신뢰도 결정 모델(610) 및 제2 신뢰도 결정 모델(630)은 학습 과정을 통해 미리 학습될 수 있다. 위조 지문 검출 장치(200)는 획득된 제2 신뢰도 값과 미리 정의된 임계 값을 비교(640)하여 입력 지문 영상(510)에 나타난 입력 지문이 위조 지문인지 여부를 판단할 수 있다. 위조 지문 검출 장치(200)는 신뢰도 값이 임계 값보다 큰 경우에는 입력 지문이 진짜 지문이라고 결정하고, 그 외의 경우에는 입력 지문이 위조 지문이라고 결정할 수 있다.
도 7은 일 실시예에 따른 위조 지문 검출 방법의 동작을 설명하기 위한 흐름도이다. 도 7을 참조하면, 단계(710)에서 위조 지문 검출 장치는 입력 지문 영상을 블록들로 분할한다. 예를 들어, 위조 지문 검출 장치는 인접한 블록들이 서로 중첩되도록 입력 지문 영상을 분할할 수 있다. 단계(720)에서, 위조 지문 검출 장치는 블록들마다 화질 평가 값을 결정한다. 위조 지문 검출 장치는 복수의 화질 평가 기법들을 이용하여 각 블록들의 화질을 평가하여 각 블록들의 화질 평가 값들을 결정할 수 있다.
단계(730)에서, 위조 지문 검출 장치는 신뢰도 결정 모델을 이용하여 블록들의 화질 평가 값들로부터 신뢰도 값을 결정한다. 위조 지문 검출 장치는 블록들의 화질 평가 값들을 결합하여 특징 벡터를 생성하고, 특징 벡터를 신뢰도 결정 모델에 입력하여 신뢰도 결정 모델로부터 신뢰도 값을 획득할 수 있다. 단계(740)에서, 위조 지문 검출 장치는 신뢰도 값에 기초하여 입력 지문이 위조 지문인지 여부를 결정한다. 예를 들어, 위조 지문 검출 장치는 신뢰도 값과 미리 설정된 임계 값을 비교하여 입력 지문이 위조 지문인지 여부를 결정할 수 있다.
도 8은 다른 실시예에 따른 위조 지문 검출 방법의 동작을 설명하기 위한 흐름도이다. 도 8을 참조하면, 단계(810)에서 위조 지문 검출 장치는 제1 신뢰도 결정 모델을 이용하여 블록들 각각의 화질 평가 값으로부터 제1 신뢰도 값들을 결정한다. 예를 들어, 위조 지문 검출 장치는 각 블록의 화질 평가 값들을 제1 신뢰도 결정 모델에 입력하고, 제1 신뢰도 결정 모델로부터 제1 신뢰도 값을 획득할 수 있다.
단계(820)에서, 위조 지문 검출 장치는 제2 신뢰도 결정 모델을 이용하여 제1 신뢰도 값들로부터 제2 신뢰도 값을 결정한다. 위조 지문 검출 장치는 블록들 각각에 대해 결정된 제1 신뢰도 값들을 결합하여 특징 벡터를 생성하고, 특징 벡터를 제2 신뢰도 결정 모델에 입력하여 제2 신뢰도 결정 모델로부터 제2 신뢰도 값을 획득할 수 있다.
단계(830)에서, 위조 지문 검출 장치는 제2 신뢰도 값에 기초하여 입력 지문이 위조 지문인지 여부를 결정한다. 예를 들어, 위조 지문 검출 장치는 제2 신뢰도 값과 미리 설정된 임계 값을 비교하여 입력 지문이 위조 지문인지 여부를 결정할 수 있다.
도 9는 일 실시예에 따른 지문 인식 방법의 동작을 설명하기 위한 흐름도이다. 도 9를 참조하면, 단계(910)에서 지문 인식 장치는 다양한 화질 평가 기법을 이용하여 입력 지문 영상의 화질 평가 값을 결정한다. 예를 들어, 지문 인식 장치는 입력 지문 영상을 밴드패스필터링 처리하여 필터링된 입력 지문 영상을 획득하고, 원 입력 지문 영상과 필터링된 입력 지문 영상 간의 차이에 기초하여 화질 평가 값을 결정할 수 있다.
다른 실시예에 따르면, 지문 인식 장치는 입력 지문 영상의 화질 평가 값과 미리 설정된 기준 값을 비교하여, 화질 평가 값이 기준 값보다 작은 경우 해당 입력 지문에 대한 지문 인증을 실패한 것으로 결정하거나 또는 새로운 입력 지문의 입력을 요청하기 위한 메시지를 출력할 수 있다.
단계(920)에서, 지문 인식 장치는 미리 등록된 등록 지문과 입력 지문 간의 유사도를 결정한다. 예를 들어, 지문 인식 장치는 등록 지문에 입력 지문을 정합시키고, 특징점 기반의 유사도 측정 기법을 이용하여 지문 패턴 간의 유사도를 계산할 수 있다. 단계(930)에서, 지문 인식 장치는 입력 지문 영상의 화질 평가 값 및 유사도에 기초하여 입력 지문을 인증한다. 지문 인식 장치는 입력 지문 영상의 화질 평가 값과 등록 지문과 입력 지문 간의 유사도를 결합하여 정합도를 결정하고, 정합도와 미리 결정된 임계 값을 비교하여 입력 지문을 인증할 수 있다.
도 10은 다른 실시예에 따른 지문 인식 방법의 동작을 설명하기 위한 흐름도이다. 도 10을 참조하면, 단계(1010)에서 지문 인식 장치는 다양한 화질 평가 기법을 이용하여 입력 지문 영상의 화질 평가 값을 결정한다. 예를 들어, 지문 인식 장치는 입력 지문 영상에서 블록 단위로 화질 평가를 수행하여 블록마다 복수의 화질 평가 값들을 계산할 수 있다. 단계(1020)에서, 지문 인식 장치는 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정한다. 지문 인식 장치는 입력 지문 영상의 블록 단위로 계산된 화질 평가 값들에 기초하여 특징 벡터를 구성하고, 특징 벡터를 신뢰도 결정 모델에 입력하여 신뢰도 결정 모델로부터 신뢰도 값을 획득할 수 있다. 예를 들어, 지문 인식 장치는 신뢰도 값과 임계 값을 비교하여 입력 지문이 위조 지문인지 여부를 결정할 수 있다.
입력 지문이 위조 지문이 아니라고 결정된 경우, 단계(1030)에서 지문 인식 장치는 등록 지문과 입력 지문 간의 유사도 및 입력 지문 영상의 화질 평가 값에 기초하여 입력 지문을 인증한다. 지문 인식 장치는 유사도와 화질 평가 값을 결합하여 정합도를 계산하고, 정합도와 미리 설정된 임계 값을 비교하여 입력 지문의 인증 결과를 결정할 수 있다.
도 11은 일 실시예에 따른 전자 시스템을 도시하는 도면이다.
도 11를 참조하면, 전자 시스템은 센서(1120), 프로세서(1110) 및 메모리(1130)를 포함한다. 센서(1120), 프로세서(1110), 및 메모리(1130)는 버스(1140)를 통하여 서로 통신할 수 있다.
센서(1120)는 사용자의 지문을 센싱하여 지문 영상을 획득하는 지문 센서일 수 있다. 센서(1120)는 잘 알려진 방식(예를 들어, 광학 이미지를 전기 신호로 변환하는 방식 등)으로 지문 영상을 캡쳐할 수 있다. 지문 영상은 프로세서(1110)에 전달된다.
프로세서(1110)는 도 1 내지 도 10을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 10을 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 예를 들어, 프로세서(1110)는 도 2의 위조 지문 검출 장치(200)를 포함할 수 있다. 메모리(1130)는 센서(1120)에 의하여 캡쳐되어 등록된 등록 지문 영상들, 센서(1120)에 의하여 캡쳐된 입력 지문 영상, 프로세서(1110)에 의하여 처리된 정합 결과, 및/또는 프로세서(1110)에 의하여 계산된 값 등을 저장할 수 있다. 메모리(1130)는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서(1110)는 프로그램을 실행하고, 전자 시스템을 제어할 수 있다. 프로세서(1110)에 의하여 실행되는 프로그램 코드는 메모리(1130)에 저장될 수 있다. 전자 시스템은 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
도 12는 일 실시예에 따른 학습 장치의 동작을 설명하기 위한 도면이다. 학습 장치(1200)는 학습 데이터 스토리지(1240)에 저장된 학습 데이터에 기초하여 모델 스토리지(1250)에 저장된 신뢰도 결정 모델을 학습시킬 수 있다. 학습된 신뢰도 결정 모델은 도 2, 도 4 내지 도 8, 및 도 10에서 입력 지문이 위조 지문인지 여부를 결정하는데 이용될 수 있다. 학습 데이터는 신뢰도 결정 모델을 학습시키기 위한 다양한 학습 지문 영상들을 포함할 수 있다.
도 12를 참조하면, 학습 장치(1200)는 영상 분할부(1210), 화질 평가부(1220) 및 모델 학습부(1230)를 포함한다. 영상 분할부(1210)는 학습 지문 영상을 복수의 블록들로 분할한다. 예를 들어, 영상 분할부(1210)는 인접한 블록들이 서로 중첩되도록 학습 지문 영상을 분할하거나 또는 학습 지문 영상의 일부 영역만을 블록들로 분할할 수 있다.
화질 평가부(1220)는 다양한 화질 평가 기법들을 이용하여 블록들마다 화질을 평가하여 각 블록들에 대한 화질 평가 값을 결정할 수 있다. 예를 들어, 화질 평가부(1220)는 BIQI NIQE, BRISQUE, 또는 SSQE 등의 화질 평가 기법들을 이용하여 입력 지문 영상의 화질 평가 값을 결정할 수 있다. 복수의 화질 평가 기법들이 이용되는 경우, 화질 평가부(1220)는 하나의 블록에 대해 복수의 화질 평가 값들을 결정할 수 있다.
일 실시예에 따르면, 모델 학습부(1230)는 다양한 화질 평가 기법들을 통해 계산된 블록들의 화질 평가 값들에 기초하여 특징 벡터로 결정하고, 신뢰도 결정 모델을 이용하여 특징 벡터로부터 신뢰도 값을 획득할 수 있다. 모델 학습부(1230)는 신뢰도 값과 미리 정의된 목표 값(desired value)에 기초하여 신뢰도 결정 모델을 학습시킬 수 있다. 예를 들어, 모델 학습부(1230)는 신뢰도 값과 목표 값 간의 차이에 기초하여 손실 함수(loss function)을 결정하고, 손실 함수에 기초하여 신뢰도 값과 목표 값 간의 차이가 최소가 되도록 신뢰도 결정 모델의 모델 파라미터들을 조정할 수 있다. 학습 과정을 통해 신뢰도 결정 모델의 모델 파라미터들이 업데이트될 수 있다. 학습이 완료된 신뢰도 결정 모델 및 모델 파라미터들에 대한 정보는 모델 스토리지(1250)에 저장될 수 있다
다른 실시예에 따르면, 모델 학습부(1230)는 제1 신뢰도 결정 모델을 이용하여 학습 지문 영상의 블록들 각각의 화질 평가 값들로부터 제1 신뢰도 값들을 결정할 수 있다. 블록들마다 제1 신뢰도 값이 결정될 수 있다. 모델 학습부(1230)는 제1 신뢰도 값과 미리 정의된 제1 목표 값 간의 차이에 기초하여 제1 손실 함수를 결정하고, 제1 손실 함수에 기초하여 제1 신뢰도 결정 모델을 학습시킬 수 있다. 모델 학습부(1230)는 블록들마다 결정된 제1 신뢰도 값들을 결합하여 특징 벡터를 생성하고, 생성된 특징 벡터를 제2 신뢰도 결정 모델에 입력하여 제2 신뢰도 결정 모델로부터 제2 신뢰도 값을 획득할 수 있다. 모델 학습부(1230)는 제2 신뢰도 값과 미리 정의된 제2 목표 값 간의 차이에 기초하여 제2 손실 함수를 결정하고, 제2 손실 함수에 기초하여 제2 신뢰도 결정 모델을 학습시킬 수 있다. 위와 같은 학습 과정을 통해 제1 및 제2 신뢰도 결정 모델의 모델 파라미터들이 업데이트될 수 있다. 학습이 완료된 제1 및 제2 신뢰도 결정 모델, 모델 파라미터들에 대한 정보는 모델 스토리지(1250)에 저장될 수 있다
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 비록 한정된 도면에 의해 실시예들이 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (17)

  1. 입력 지문 영상을 블록들로 분할하는 단계;
    상기 블록들마다 화질 평가 값을 결정하는 단계;
    신뢰도 결정 모델을 이용하여 상기 블록들의 화질 평가 값들로부터 신뢰도 값을 결정하는 단계; 및
    상기 신뢰도 값에 기초하여 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문(fake fingerprint)인지 여부를 결정하는 단계
    를 포함하고,
    상기 신뢰도 결정 모델은, 제1 신뢰도 결정 모델 및 제2 신뢰도 결정 모델을 포함하고,
    상기 신뢰도 값을 결정하는 단계는,
    상기 제1 신뢰도 결정 모델을 이용하여 상기 블록들 각각의 화질 평가 값으로부터 제1 신뢰도 값들을 결정하는 단계; 및
    상기 제2 신뢰도 결정 모델을 이용하여 상기 제1 신뢰도 값들로부터 제2 신뢰도 값을 결정하는 단계를 포함하고,
    상기 입력 지문이 위조 지문인지 여부를 결정하는 단계는,
    상기 제2 신뢰도 값에 기초하여 상기 입력 지문이 위조 지문인지 여부를 결정하는, 위조 지문 검출 방법.
  2. 제1항에 있어서,
    상기 신뢰도 값을 결정하는 단계는,
    상기 블록들의 화질 평가 값들을 결합하여 특징 벡터를 생성하는 단계; 및
    상기 특징 벡터를 상기 신뢰도 결정 모델에 입력하여 상기 신뢰도 결정 모델로부터 상기 신뢰도 값을 획득하는 단계
    를 포함하는 위조 지문 검출 방법.
  3. 제1항에 있어서,
    상기 화질 평가 값을 결정하는 단계는,
    복수의 화질 평가 기법들을 이용하여 각 블록들의 화질을 평가하여 각 블록들의 화질 평가 값들을 결정하는, 위조 지문 검출 방법.
  4. 제1항에 있어서,
    상기 입력 지문이 위조 지문인지 여부를 결정하는 단계는,
    상기 신뢰도 값과 미리 설정된 임계 값을 비교하여 상기 입력 지문이 위조 지문인지 여부를 결정하는, 위조 지문 검출 방법.
  5. 삭제
  6. 제1항에 있어서,
    상기 제2 신뢰도 값을 결정하는 단계는,
    상기 블록들 각각에 대해 결정된 제1 신뢰도 값들을 결합하여 특징 벡터를 생성하는 단계; 및
    상기 특징 벡터를 상기 제2 신뢰도 결정 모델에 입력하여 상기 제2 신뢰도 결정 모델로부터 상기 제2 신뢰도 값을 획득하는 단계
    를 포함하는 위조 지문 검출 방법.
  7. 제1항에 있어서,
    상기 입력 지문 영상을 블록들로 분할하는 단계는,
    인접한 블록들이 서로 중첩되도록 상기 입력 지문 영상을 분할하는, 위조 지문 검출 방법.
  8. 입력 지문 영상의 화질 평가 값을 결정하는 단계;
    등록 지문과 상기 입력 지문 영상에 나타난 입력 지문 간의 유사도를 결정하는 단계; 및
    상기 결정된 화질 평가 값 및 상기 결정된 유사도에 기초하여 상기 입력 지문을 인증(verification)하는 단계
    를 포함하고,
    상기 입력 지문을 인증하는 단계는,
    상기 화질 평가 값과 상기 유사도를 결합하여 정합도를 계산하는 단계; 및
    상기 계산된 정합도가 미리 결정된 임계 값보다 큰 경우에는 인증 성공으로 결정하고, 상기 계산된 정합도가 미리 결정된 임계 값보다 작은 경우에는 인증 실패로 결정하는 단계를 포함하는
    지문 인식 방법.
  9. 삭제
  10. 제8항에 있어서,
    상기 화질 평가 값을 결정하는 단계는,
    상기 입력 지문 영상을 필터링 처리하여 필터링된 입력 지문 영상을 획득하는 단계; 및
    상기 입력 지문 영상과 상기 필터링된 입력 지문 영상 간의 차이에 기초하여 상기 입력 지문 영상의 화질 평가 값을 결정하는 단계
    를 포함하는 지문 인식 방법.
  11. 제10항에 있어서,
    상기 필터링된 입력 지문 영상을 획득하는 단계는,
    상기 입력 지문 영상을 밴드패스필터링(bandpass filtering)하여 상기 필터링된 입력 지문 영상을 획득하는, 지문 인식 방법.
  12. 제8항에 있어서,
    상기 입력 지문을 인증하는 단계는,
    상기 입력 지문 영상의 화질 평가 값이 기준 값보다 작은 경우, 새로운 입력 지문의 입력을 요청하기 위한 메시지를 출력하는 단계
    를 포함하는 지문 인식 방법.
  13. 하드웨어와 결합되어 제1항 내지 제4항, 제6항 내지 제8항, 및 제10항 내지 제12항 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램.
  14. 입력 지문 영상의 화질 평가 값을 결정하는 화질 평가부;
    상기 입력 지문 영상의 화질 평가 값에 기초하여, 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정하는 위조 지문 판단부; 및
    상기 입력 지문이 위조 지문이 아니라고 결정된 경우, 상기 입력 지문과 등록 지문 간의 유사도 및 상기 입력 지문 영상의 화질 평가 값에 기초하여 상기 입력 지문을 인증하는 지문 인증부를 포함하고,
    상기 지문 인증부는,
    상기 화질 평가 값과 상기 유사도를 결합하여 정합도를 계산하고, 상기 계산된 정합도가 미리 결정된 임계 값보다 큰 경우에는 인증 성공으로 결정하고, 상기 계산된 정합도가 미리 결정된 임계 값보다 작은 경우에는 인증 실패로 결정하는,
    지문 인식 장치.
  15. 입력 지문 영상의 화질 평가 값을 결정하는 화질 평가부;
    등록 지문과 상기 입력 지문 영상에 나타난 입력 지문 간의 유사도를 결정하는 유사도 결정부; 및
    상기 결정된 화질 평가 값 및 상기 결정된 유사도에 기초하여 상기 입력 지문을 인증하는 지문 인증부
    를 포함하고,
    상기 지문 인증부는,
    상기 화질 평가 값과 상기 유사도를 결합하여 정합도를 계산하고, 상기 계산된 정합도가 미리 결정된 임계 값보다 큰 경우에는 인증 성공으로 결정하고, 상기 계산된 정합도가 미리 결정된 임계 값보다 작은 경우에는 인증 실패로 결정하는,
    지문 인식 장치.
  16. 삭제
  17. 입력 지문 영상을 블록들로 분할하는 영상 분할부;
    상기 블록들마다 화질 평가 값을 결정하는 화질 평가부; 및
    신뢰도 결정 모델을 이용하여 상기 블록들의 화질 평가 값들로부터 신뢰도 값을 결정하고, 상기 신뢰도 값에 기초하여 상기 입력 지문 영상에 나타난 입력 지문이 위조 지문인지 여부를 결정하는 위조 지문 판단부
    를 포함하고,
    상기 위조 지문 판단부는,
    제1 신뢰도 결정 모델을 이용하여 상기 블록들 각각의 화질 평가 값으로부터 제1 신뢰도 값들을 결정하고,
    제2 신뢰도 결정 모델을 이용하여 상기 제1 신뢰도 값들로부터 제2 신뢰도 값을 결정하며,
    상기 제2 신뢰도 값에 기초하여 상기 입력 지문이 위조 지문인지 여부를 결정하는, 위조 지문 검출 장치.
KR1020150092788A 2015-06-30 2015-06-30 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치 KR102434562B1 (ko)

Priority Applications (4)

Application Number Priority Date Filing Date Title
KR1020150092788A KR102434562B1 (ko) 2015-06-30 2015-06-30 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
US15/076,839 US10691918B2 (en) 2015-06-30 2016-03-22 Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint
CN201610266159.7A CN106326829B (zh) 2015-06-30 2016-04-26 检测虚假指纹的方法和设备以及识别指纹的方法和设备
US16/860,724 US11295111B2 (en) 2015-06-30 2020-04-28 Method and apparatus for detecting fake fingerprint, and method and apparatus for recognizing fingerprint

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150092788A KR102434562B1 (ko) 2015-06-30 2015-06-30 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20170002892A KR20170002892A (ko) 2017-01-09
KR102434562B1 true KR102434562B1 (ko) 2022-08-22

Family

ID=57683905

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150092788A KR102434562B1 (ko) 2015-06-30 2015-06-30 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치

Country Status (3)

Country Link
US (2) US10691918B2 (ko)
KR (1) KR102434562B1 (ko)
CN (1) CN106326829B (ko)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10909347B2 (en) * 2017-03-14 2021-02-02 Samsung Electronics Co., Ltd. Method and apparatus with fingerprint verification
KR101881505B1 (ko) * 2017-03-15 2018-07-25 한국과학기술원 지문 위조 판별 모델 생성 방법 및 이를 이용한 지문 위조 판별 방법
TWI640929B (zh) * 2017-04-18 2018-11-11 Gingy Technology Inc. 指紋辨識方法以及指紋辨識裝置
CN109002826A (zh) * 2017-06-07 2018-12-14 阿里巴巴集团控股有限公司 一种基于图像的注册与验证方法及装置
KR102434703B1 (ko) * 2017-08-14 2022-08-22 삼성전자주식회사 생체 이미지 처리 방법 및 이를 포함한 장치
CN111033516B (zh) * 2017-09-07 2023-09-08 指纹卡安娜卡敦知识产权有限公司 用于确定手指覆盖指纹传感器的传感器区的方法和指纹感测系统
EP3696770A4 (en) 2017-10-13 2020-11-18 Nec Corporation BIOMETRIC AUTHENTICATION DEVICE AND BIOMETRIC AUTHENTICATION PROCESS
FR3084943B1 (fr) * 2018-08-10 2021-04-16 Idemia Identity & Security France Procede pour obtenir une image d'empreinte digitale
CN110414410B (zh) * 2019-07-24 2022-03-11 Oppo广东移动通信有限公司 指纹采集方法及相关产品
KR20210024310A (ko) 2019-08-21 2021-03-05 삼성디스플레이 주식회사 지문 센서를 포함한 표시 장치 및 그의 지문 인증 방법
JP7358120B2 (ja) * 2019-08-30 2023-10-10 キヤノン株式会社 情報処理装置、断層撮影装置、情報処理方法およびプログラム
CN112989888B (zh) 2019-12-17 2024-06-07 华为技术有限公司 一种指纹防伪方法及电子设备
US11935321B2 (en) 2020-03-05 2024-03-19 Samsung Electronics Co., Ltd. Method and apparatus with anti-spoofing
TW202215289A (zh) * 2020-10-14 2022-04-16 王建華 用於指紋圖像識別的方法、設備及計算機可讀介質
KR102570081B1 (ko) * 2020-12-18 2023-08-23 서울대학교산학협력단 딥러닝 알고리즘을 이용하여 지문중첩영상에서 지문을 분리하는 방법 및 그 장치
CN114281417B (zh) * 2021-11-29 2023-07-14 苏州浪潮智能科技有限公司 一种服务器bios指纹开机方法、系统、设备及存储介质
CN114358144B (zh) * 2021-12-16 2023-09-26 西南交通大学 一种图像分割质量评估方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100148922A1 (en) * 2008-12-16 2010-06-17 Fujitsu Limited Biometric authentication device and method, computer-readable recording medium recorded with biometric authentication computer program, and computer system
CN104361319A (zh) * 2014-11-10 2015-02-18 杭州景联文科技有限公司 一种基于svm-rfe特征选择的假指纹检测方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100409154B1 (ko) 2000-10-24 2003-12-12 주식회사 알파엔지니어링 실시간 지문 선별 입력방법
JP4499341B2 (ja) * 2002-05-09 2010-07-07 ソニー株式会社 生体認証装置及び生体認証方法
CN1238809C (zh) * 2002-09-04 2006-01-25 长春鸿达光电子与生物统计识别技术有限公司 指纹识别方法、以及指纹控制方法和系统
US20040125993A1 (en) * 2002-12-30 2004-07-01 Yilin Zhao Fingerprint security systems in handheld electronic devices and methods therefor
US7673145B2 (en) * 2003-03-07 2010-03-02 Nippon Telephone And Telegraph Corporation Biometric image collation apparatus and collation method therefor
FR2862785B1 (fr) 2003-11-21 2006-01-20 Atmel Grenoble Sa Capteur d'empreinte digitale a deux sens de balayage
CN1327387C (zh) * 2004-07-13 2007-07-18 清华大学 指纹多特征识别方法
JP4403426B2 (ja) * 2007-01-09 2010-01-27 サイレックス・テクノロジー株式会社 生体認証装置及び生体認証プログラム
JP4702441B2 (ja) * 2008-12-05 2011-06-15 ソニー株式会社 撮像装置及び撮像方法
CN101499134B (zh) 2009-03-13 2011-08-03 重庆大学 基于现场可编程门阵列的虹膜识别方法及系统
KR101055603B1 (ko) 2009-08-06 2011-08-10 한국산업기술대학교산학협력단 지문인식 시스템 및 위조지문 식별방법
KR101255555B1 (ko) 2009-11-24 2013-04-17 한국전자통신연구원 보안성이 강화된 지문인식 방법 및 장치
FR2981769B1 (fr) 2011-10-25 2013-12-27 Morpho Dispositif anti-fraude
KR101288178B1 (ko) 2011-11-30 2013-07-19 삼성전기주식회사 지문 인식 센서 및 지문 인식 방법
US8441548B1 (en) 2012-06-15 2013-05-14 Google Inc. Facial image quality assessment
US9589399B2 (en) * 2012-07-02 2017-03-07 Synaptics Incorporated Credential quality assessment engine systems and methods
JP5971089B2 (ja) * 2012-11-14 2016-08-17 富士通株式会社 生体情報補正装置、生体情報補正方法及び生体情報補正用コンピュータプログラム
KR101436786B1 (ko) 2013-03-21 2014-09-11 주식회사 슈프리마 위조 지문 판별 장치 및 방법
WO2015017796A2 (en) * 2013-08-02 2015-02-05 Digimarc Corporation Learning systems and methods
US9195879B1 (en) * 2014-08-31 2015-11-24 Qualcomm Incorporated Air/object determination for biometric sensors
US9582705B2 (en) * 2014-08-31 2017-02-28 Qualcomm Incorporated Layered filtering for biometric sensors
CN104463132B (zh) * 2014-12-17 2018-09-11 浙江维尔科技股份有限公司 一种指纹识别方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100148922A1 (en) * 2008-12-16 2010-06-17 Fujitsu Limited Biometric authentication device and method, computer-readable recording medium recorded with biometric authentication computer program, and computer system
CN104361319A (zh) * 2014-11-10 2015-02-18 杭州景联文科技有限公司 一种基于svm-rfe特征选择的假指纹检测方法

Also Published As

Publication number Publication date
US20170004351A1 (en) 2017-01-05
US10691918B2 (en) 2020-06-23
CN106326829A (zh) 2017-01-11
CN106326829B (zh) 2021-09-28
US11295111B2 (en) 2022-04-05
KR20170002892A (ko) 2017-01-09
US20200257884A1 (en) 2020-08-13

Similar Documents

Publication Publication Date Title
KR102434562B1 (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
KR102455633B1 (ko) 라이브니스 검사 방법 및 장치
CN108073889B (zh) 虹膜区域提取的方法和设备
KR102387571B1 (ko) 라이브니스 검사 방법 및 장치
KR102359558B1 (ko) 얼굴 인증 방법 및 장치
KR102170725B1 (ko) 지문 등록 방법 및 장치
KR102330327B1 (ko) 압력에 기초한 지문 인식 방법 및 장치
JP5798691B2 (ja) 顔認識方法、装置、および該方法を実行するためのコンピュータ可読記録媒体
KR102655949B1 (ko) 3d 영상 기반의 얼굴 인증 방법 및 장치
US20210158509A1 (en) Liveness test method and apparatus and biometric authentication method and apparatus
US10878071B2 (en) Biometric authentication anomaly detection
KR20210069404A (ko) 라이브니스 검사 방법 및 라이브니스 검사 장치
KR20170046448A (ko) 복합 인증 장치 및 방법
US10552596B2 (en) Biometric authentication
CN111881429A (zh) 活性检测方法和设备以及面部验证方法和设备
KR102387569B1 (ko) 지문 인증 방법 및 장치
KR20170045813A (ko) 사용자 인증을 위한 생체 영역을 검출하는 방법 및 장치
CN111382666A (zh) 具有用户验证的设备和方法
KR102558736B1 (ko) 지문 인식 방법 및 장치
KR102261833B1 (ko) 인증 방법 및 장치, 및 인식기 학습 방법 및 장치
KR102205495B1 (ko) 지문 인식 방법 및 장치
KR102476017B1 (ko) 생체 정보를 이용한 인증 방법 및 장치
KR102447100B1 (ko) 지문 인증 방법 및 장치
KR20220008035A (ko) 위조 지문 검출 방법 및 장치
KR20200127818A (ko) 라이브니스 검사 방법 및 장치, 얼굴 인증 방법 및 장치

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant